DETEKSI SIMILARITY SOURCE CODE MENGGUNAKAN METODE DETEKSI ABSTRACT SYNTAX TREE
TINF-016
ISSN : 2407 - 1846
DETEKSI SIMILARITY SOURCE CODE MENGGUNAKAN
METODE DETEKSI ABSTRACT SYNTAX TREE
Eka Budhy Prasetya
Ahmad Fadly Dzil Jalal
Eka.budhy@ymail.com
fadlycute31@gmail.com
Universitas Muhammadiyah Jakarta
Universitas Muhammadiyah Jakarta
ABSTRAK
Laboratorium Fakultas Teknik Infomatika Universitas Muhammadiyah Jakarta (FT–Informatika
UMJ) sebagai tempat pembelajaran bagi para mahasiswa informatika yang mengikuti kelas
pemrograman selalu memberikan tugas-tugas sebagai salah satu media pengukur tingkat
pemahaman mahasiswa. Banyaknya tugas source code menggunakan bahasa Java yang harus
diperiksa oleh Assisten Laboratorium mengakibatkan sulitnya melakukan pemeriksaan apabila
dilakukan satu per satu serta sulitnya mengukur kredibilitas masing-masing tugas milik mahasiswa.
Tugas-tugas terperiksa yang memiliki tingkat similarity (kemiripan) yang cukup tinggi antar code
dapat dijadikan acuan adanya tindakan-tindakan kecuranganseperti melakukan tindakan plagiat
code terhadap tugas mahasiswa lain. Metode deteksi kemiripan code menggunakan Abstract Syntax
Tree dapat digunakan untuk merubah code menjadi node ataupun token unik masing-masing code
terperiksa. Semakin besar kemiripan maka semakin besar kemungkinan code tersebut merupakan
hasil plagiat. Aplikasi Java’s Source Code Similarity Detector (JSC-SD) yang diusulkan akan
mendeteksi kemiripan code melalui beberapa proses, yaitu proses parsing code menjadi AST yang
kemudian akan diukur kemiripan tingkat kemiripannya menggunakan algoritma Levenstehin
Distance dan Smith-Waterman dan pada proses terakhir adalah pendeteksian code clone dari source
code terperiksa. Hasil akhir yang didapat adalah grafik persentase kemiripan antar code serta line
code yang dicurigai similar.
Kata kunci : Laboratorium FT–Informatika UMJ, Similarity, Abstract Syntax Tree, Levensthein
Distance, Smith-Waterman
I. Pendahuluan
Dalam ilmu komputer, source code adalah
kumpulan pernyataan atau deklarasi bahasa
pemrogramman komputer yang ditulis dan
dapat di baca manusia. Source code
memungkinkan
programmer
untuk
berkomunikasi dengan komputer menggunakan
beberapa perintah yang telah terdefinisi. Source
code merupakan sebuah program yang biasanya
dibuat dalam satu atau lebih file teks, kadangkadang disimpan dalam database yang disimpan
sebagai prosedur dan dapat juga muncul sebagai
potongan kode yang tercetak di buku atau
media lainnya. Banyaknya koleksi file source
code dapat diatur dalam direktori pohon, dalam
hal ini juga dikenal sebagai source tree.[1]
Plagiarisme merupakan tindakan penipuan
hasil karya orang lain tanpa sepengetahuan dari
penulis aslinya, yang melanggar suatu Hak
Cipta dan Hak Moral. Ketertarikan mahasiswa
terhadap tindakan plagiarisme, dibangun oleh
rasionalitas instrumental. Mahasiswa lebih
memperhitungkan tentang efisiensi, efektifitas
dan nilai yang dimiliki oleh sumber dayanya
(tugas akademik) untuk mencapai tujuan yang
diharapkan.
Ketika
aktor
(mahasiswa)
menentukan tujuan, aktor akan dihadapkan pada
sebuah pilihan cara alternatif yaitu cara SKS
(Sistem Kebut Semalam) dan SKJ (Sekali Kerja
Jadi). Pilihan tersebut akan memunculkan suatu
bentuk tindakan plagiarisme dan konsekuensi
dari tindakan plagiarisme. [2]
Masalah similarity (kemiripan) source
code dapat menjadi salah satu solusi pendekatan
deteksi tindakan plagiarisme. Adanya indikasi
similarity harus di cermati secara seksama
karena perlu penafsiran dan pembahasan khusus
untuk memberikan keputusan seberapa besar
tingkat kemiripan suatu source code dengan
source code lainnya. Besarnya tingkat
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
1
TINF-016
kemiripan tersebut dapat digunakan sebagai
salah satu dasar untuk mempertimbangkan
suatu source code melakukan tindakan
plagiarisme atau tidak.Banyak jenis similarity
pada source code yang sering dijumpai pada
tugas-tugas pemrograman yang diberikan
kepada mahasiswa oleh para pengajar. Deteksi
similarity bisa dilihat dari penggantian nama
source code, memindahkan posisi beberapa
potongan code serta mengganti nama variabel
maupun class, method ataupun fungsinya.
Code Plagiarism adalah istilah yang
digunakan untuk mendeskripsikan adanya
kemiripan isi source code antar 2 code yang
berbeda. Similarity source code dapat terjadi
secara keseluruhan code maupun sebagian, serta
dengan sedikit perubahan pada bagian yang
tidak signifikan. Terdapat 3 tipe kemiripan
textual yang terjadi pada dua buah source
code.[3]
1. Type 1
Fragmen yang di-copy dari file original
secara sama persis, kecuali adanya
perbedaan– perbedaan seperti whitespaces
(spasi atau enter yang tidak mempunyai arti),
comment, dan modifikasi pada jumlah baris.
Tipe ini disebut juga sebagai exact clone.
2. Type II
Type ini sama seperti Type I, perbedaannya
adalah pada Type II, terdapat modifikasi
pada variable atau fungsi. Modifikasi dapat
berupa penggantian nama atau perubahan
tipe data.
3. Type III
Type III merupakan kombinasi dari Type I
dan Type II. Plagiarisme file dilakukan
dengan cara menambahkan statement yang
tidak penting.
II. Penelitian Deteksi Similarity Source Code
yang Berhubungan
Li Ping Zhang dan Dong Sheng Liu di
Inner Mongolia Normal University, College of
Computer and Information Engineering, Inner
Mongolia,
Hohhot,
China[4]mengusulkan
metode deteksi plagiat dalam tiga tahap yaitu
code formalization, similarity calculation dan
cluster anlysis. Penjelasan Tahap menurut
keduanya adalah sebagai berikut.
1. Code Formalization
Code yang akan diperiksa akan dirubah
menjadi sebuah tree menggunakan ANTLR
(Another Tool for Language Recognition).
ANTLR ditulis menggunakan JAVA yang
digunakan untuk meng-generate parser dan
lexer dari sebuah grammar yang digunakan
untuk
membaca,
memproses,
dan
ISSN : 2407 - 1846
mengeksekusi atau menerjemahkan teks
terstruktur atau file binary menjadi sebuah
AST.
2. Similarity Calculation
Pengukuran kemiripan code didasarkan
pada AST dari source code kemudian nodenode yang tercipta dibuat menjadi sebuah
sequence yang akan dihitung tingkat
plagiatnya menggunakan deteksi kemiripan
berdasarkan matching sequence
3. Cluster Analysis
Setelah similarity calculation , dapat
ditentukan corresponding antara sequence
di dalam tabel sequence melalui nomor
baris dan vektor khas untuk tahap cluster
analysis. Tahap cluster analysis akan
menggunakan VSM (Vector Space Model).
III.
Sistem yang diajukan
Berdasarkan
dari
karaktertistik
pembelajaran yang ada di Laboratorium
Fakultas Teknik Informatika Universitas
Muhammadiyah Jakarta yang terdiri dari
beberapa jenis regulasi kelas yaitu reguler pagi,
reguler sore dan perkuliahan karyawan, JSC-SD
harus mampu mendeteksi kemiripan-kemiripan
code pada bahasa pemrograman Java yang
diajarkan pada beberapa mata kuliah seperti
Pemrograman Berbasis Objek dan Struktur
Bahasa Pemrograman pada masing masing jenis
regulasi.
JSC-SDmengadopsi sistem yang sudah
diajukan oleh Li Ping Zhang dan Dong Sheng
Liu yang diterapkan ke dalam satu aplikasi
berbasis desktop. JSC_SD adalah sebuah sistem
yang akan menemukan kemiripan codeserta
menghitung besar kemiripan antar code yang
dilakukan dalam tiga proses utama, yaitu:
Gambar 1. Main Flow JSC-SD
1. Code Formalization
Sesuaidengannamanya,ASTmerupakanstru
kturdataintermediate
didalamprosedur
kompilasi
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
2
TINF-016
danprosesinterpretasiyangdimanasyntaxtree
tidaksajamerefleksikaninformasi
terstrukturtetapijugaberisiatribut-atribut
darisourceprogram.
Dengancaraini,
akan
diperolehinformasikomperhensif
yanglebihakuratuntukmendeteksikemiripancode
yangada.
Adabanyak
carauntukmemperolehataumenggenerateASTyang
ada.Salah
satucara
adalahmenggunakanANTLRmethod.[5]
Proses untuk memperolehASTolehANTLR
dapat
dibagi
dalamdua
subprosesutama.Pertama,ketikaparsefilesedang
membaca,ANTLRakan
meng-generate
corresponding lexical dan syntax analyzer
berdasarkan rule- rule yang ada pada analisis
grammar file. Proses kedua adalah kode-kode
input di konversi menjadi phrase flow dengan
menggunakan lexical analyzer yang degenerate
oleh ANTLR sehingga input dari parser adalah
phrase flow yang akan dirubah menjadi AST
melalui proses parsing oleh parser.
Keuntungan menggnunakan AST sebagai
metode pendekatan perbandigan code adalah
pada proses ini akan menghilangkan noise pada
source code. Noise adalah jenis karakter yang
tidak mempengaruhi code, karena jenis karakter
ini tidak akan dieksekusi oleh compiler seperti
comment dan whitespace. Gambar II akan
memperlihatkan bagaimana membuat sebuah
Abstract Syntac tree dari sebuah deklarasi code.
2. Similarity Measure
Hasil prosesparsingdari parserANTLR
berupanode atau tokenunikyang membentuk
suaturangkaiansequenceyangbermaknasecara
strukutral.Tokenmerupakanhasil
pengkategoriandari setiapkataataukarakter yang
terdapatpadasourcecode dimana setiap token
terdefinisi dengan ID khas hasil generate lexer
dan parser oleh ANTLR. Contoh dapat dilihat
pada Gambar I dibawah ini
ISSN : 2407 - 1846
Gambar 1 Node pada code
Gambar 2. Contoh Tree Code Gambar II
TokenLaw
PUBLIC
CLASS
IDENT
STATIC
VOID
LPAREN
LBRACK
RBRACK
RPAREN
LCURLY
STRING_LITERA
L
SEMI
INT
I
D
87
61
16
490
10
1
29
22
41
43
23
17
044
79
Toke
ns
public
class
tugas,main,args,nama
static
void
‘(’,
‘[’
‘]’
‘)’
‘{‘,
Fadly
‘;’
Int
Gambar 3. ID Unik Dari Node / Token
Dari proses code formalization dapat
ditentukan sebuah sequence unik hasil
representasi code tersebut. Pada Gambar 2,
sequence yang terbentuk adalah:
87611642387901011642916422411644323164
16461704479164616711164616744791646164
38164441641516415164291643817038164434
44242.
Besar
kemiripan
dapat
dihitung
berdasarkan sequence yang terbentuk dari
rangkaian
sequence
pada
gambar
3
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
3
TINF-016
menggunakan dua algoritma matching sequence
biological
computance
yaitu
algoritma
Levensthein Distance dan algoritma Smith[6]
Waterman
.
Kedua
algoritma
ini
menggunakan cara yang sama yaitu membuat
sebuah matriks yang terbuat dari dua string
sequence dimana masing-masing menjadi
koordinat vertikal dan horizontal yang
kemudian
akan
melakukan
perulangan
perbandingan antar karakter koordinat vertikal
dan horizontal untuk mengisi kolom pertemuan
vertikal dan horizontal. Berikut ini penjelasan
masing-masing pendekatan algoritma.
a) Levensthein Distance
Untuk menggunakan algoritma ini terdapat
dua tahap utama, yaitu
Sequence Matching
Untuk dua sequence yang diberikan
dimana A = A1, A2, A3 , .., An dan B = B1,
B2,B3 , .., Bn , Levensthein distance bekerja
sesuai
dengan
prinsip
dynamic
programming maka akan dibuat sebuah
matriks
X[panjangA][panjangB].
Perhitungan matriks dilakukan dengan
ketentuan sebagai berikut.
1) Inisialisasi matriks X[i][0] = i dan
X[0][j] = 0.
2) Proses identifikasi melalui rekursif
kondisi
X[i][j] = minimum{d[i-1, j] +1, d[i, j1] +1, d[i-1, j-1] +cost) }
Berikut ini adalah pseude code dari
algoritma Levensthein Distance.
int LevenshteinDistance (char s[1…m], char
t[1…n])
// d is a table with m+1 rows and n+1
columns
declare int d[0…m, 0…n]
for i from 0 to m
d[i, 0] := i
for j from 0 to n
d[0, j] := j
for i from 1 to m
for j from 1 to n
if s[i] = t[j] then cost := 0
else cost := 1
d[I, j] := minimum(
d[i-1, j] +1, // deletion
d[i, j-1] +1, //insertion
d[i-1,j-1]
+cost
//substitution)
return d[m, n]
Gambar 4. Pseudo Code Levensthein
Similarity Calculation
ISSN : 2407 - 1846
Rumus
umum
menghitung
besar
kemiripan code berdasarkan algoritam
Levensthein distance adalah sebagai
berikut:
Gambar 5. Rumus Umum Levensthein
Keterangan:
= Tingkat kemiripan antara
Sim(m,
string m dan string n
n)
= Nilai Levensthein Distance
Dis
(nilai akhir perbandingan string
m dan string n yang ada pada
pojok kanan bawah matriks)
MaxLeng = JumlahKarakterMaksimumDua
String
th
b) Smith Waterman
Algoritma Smith-Waterman menggunakan
pendekatan berbasis local aligment yang
berarti posisi ordo matriks yang dijadikan
acuan bersifat bebas atau bisa berada pada
ordo matriks dimana saja. Terdapat dua
tahap utama yaitu:
Sequence Matching
Untuk dua sequence yang diberikan
dimana A = A1, A2, A3 , .., An dan B = B1,
B2,B3 , .., Bn , Levensthein distance bekerja
sesuai
dengan
prinsip
dynamic
programming maka akan dibuat sebuah
matriks
X[panjangA][panjangB].
Perhitungan matriks dilakukan dengan
ketentuan sebagai berikut.
1) Inisialisasi matriks X[i][0] = X[0][j]
=0
2) Proses identifikasi melalui rekursif
kondisi :
X[i][j] = max{0, X[i-1][j-1] + Nilai
Match/MisMatch, X[i-1][j]– Nilai
GAP, X[i][j-1] + nilai GAP}
Berikut ini adalah pseudo code dari
algoritma Smith-Waterman.
//gap = o + (l-1)*e;
//o: gap opening penalty (o < 0)
//l: length of the gap
//e: gap extension penalty (o < e < 0)
for(i=LengthA; j=LengthB; i>0 && j>0){
if (i != 0 && j != 0) {
if (one.charAt(i) == two.charAt(j)) {
matrix[i][j]
=
Math.max(0,
Math.max(matrix[i - 1][j - 1] + match,
Math.max(matrix[i
1][j]
+
gap,matrix[i][j - 1] + gap)));
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
4
TINF-016
ISSN : 2407 - 1846
}
else {
l++;
matrix[i][j]=Math.max(0,Math.max(m
atrix[i-1][j-1]+
gap,
Math.max(matrix[i - 1][j] + gap,
matrix[i][j - 1] + gap)));
}
}
}
}
}
Gambar 6. Pseudo Code Levensthein
Similarity Calculation
Rumus
umum
menghitung
besar
kemiripan code berdasarkan algoritma
Smith-Waterman adalah sebagai berikut.
Gambar 7. Rumus Umum Levensthein
Keterangan:
Sim (m,n)
MaxLength
(m,n)
m.length
n.length
= Tingkat kemiripan antara
string m dan string n
= Jumlah karakter yang sama
antara string m dan string
n
= Panjang string m
= Panjang string n
dapat
menjadi
sebuah
annotate
(keterangan), remove (menghapus), dan
collapse (menyempitkan) serta sebagai
grouping node-node AST.
b) Pooling
Tahap pooling merupakan langkah dalam
preselection
dari
kandidat-kandidat
potongan code yang dicurigai similar (code
clone). Source unit yang belum diproses
akan di satukan ke dalam sebuah group
kedalam set-set yang berbeda yang
dinamakan pool berdasarkan masingmasing kriteria yang sudah ditentukan.
c) Comparing
Semua pool yang terbentuk dapat diproses
secara
sequential
dengan
cara
membandingkan seluruh isi source unit
secara berulang. Setiap comparatorcomparator menentukan apakah dua subtree
memenuhi
karakteristik-karakteristik
tertentu. Dua subtree dikatakan similarity
pair hanya jika semua kombinasi
comparator- comparator bernilai true.
d) Filtering
Langkah terakhir adalah menghapus nonrelevant
similarity
pair’s
sehingga
didapatkan sebagai satu set hasil yang
sudah dapat disimpulkan. Hasil similiairty
pairs yang terindikasi inilah yang disebut
dengan code clone.
Pada Gambar 8 adalah sebuah model
generic pipeline secara keseluruhan dalam
melakukan proses indication suspect.
3. Indication Suspect
Dalam proses pencarian kemiripan code
tidak cukup hanya menghitung dari segi tokentoken uniknya saja, karena apabila terjadi
pemindahan beberapa posisi potongan code,
maka rangkaian ID token yang unik tadi juga
ikut berubah. Hal ini memungkinkan code yang
sama tetapi hanya memindahkan potongan code
untuk menyamarkan
terdeteksi dengan baik. Proses ini akan
menemukan letak kemiripan antar code yang
memerlukan beberapa subproses.
Aplikasi JSC-SD mengadaptasi API yang
dikembangkan oleh Biegl dan Diehl[7]bernama
JCCD untuk memnemukan line code yang
terduga adalah code clone. JCCD membentuk
sebuah model pipeline yang terdiri dari proses
berikut.
a) Preprocessing
Tujuan utama dari preprocessing ini dibagi
menjadi dua, yaitu menormalisasikan
source code dan menambahkan annotation
tambahan. Sebuah preprocessor yang dibuat
Gambar 8. Pipeline Indication Suspect
IV. JSC-SD Prototype – Sistem akan
melibatkan dua tipe user yaitu: Assisten Lab
dan Mahasiswa. Sistem akan dirancang dengan
sifat-sifat sebagai berikut:
1. Tugas yang diperiksa oleh model sistem
dapat per jenis regulasi kelas maupun
keseluruhan regulasi kelas,
2. Source code yang akan diperiksa cukup
diletakkan pada satu direktori pada local
drive komputer / laptop pengguna,
3. Assisten sebagai user utama dapat memilih
secara bebas satu file tugas mahasiswa
sebagai acuan yang akan dibandingkan
dengan file mahasiswa lain
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
5
TINF-016
ISSN : 2407 - 1846
4. Assisten dapat menambahkan beberapa filefile pembanding dari beberapa direktori
berisi file-file java.
Berikut adalah use case hasil representase
sifat-sifat
prototype
yang
dirumuskan
sebelumnya.
Gambar 10. Input Dataset Sampel
Gambar 9. Use case JSC-SD
V. Implementasi
JSC –SD telah diuji coba untuk memeriksa
beberapa sampel code yang diambil dari tugas
mata kuliah praktikum penunjang PBO di kelas
Perkuliahan Karyawan Semester Genap 2014.
Materi tugas yang diberikan oleh Assisten Lab
adalah sebagai berikut.
“Buatlah sebuah program yang dapat
menerima input dari keyboard berupa barisan
bilangan dimana barisan bilangan tersebut
mampu terdefinisikan derajat digit-nya.
Sebagai contoh, jika terdapat bilangan
1234567, maka program Anda harus dapat
mendefinisikan bahwa:
“1 adalah bilangan jutaan,
2 adalah bilangan ratusan-ribuan,
3 adalah bilangan puluh-ribuan,
4 adalah bilangan ribuan,
5 adalah bilangan ratusan,
6 adalah bilangan puluhan,
7 adalah bilangan satuan. ”
Sebanyak 13 mahasiswa mengumpulkan
tugas yang dimaksud yang kemudian akan
dijadikan sebagai dataset sampel.
Berikut
proses peng-inputannya tugas tersebut ke dalam
JSC-SD.
JSC-SD memiliki dua tipe output utama yaitu:
1. Highlight Code Clone
Pada tahap ini akan diambil beberapa
sampel yang akan diperiksa kemiripankemiripan code yang berhasil terdeteksi. Hasil
pengujian adalah kemiripan code antara satu
code acuan dengan 3 code pembanding yang
diambil secara random.
a. G_Tugas1.java dengan K_Tugas1.java
Pada sampel pertama, sistem mendeteksi
terjadi kemiripan source code di seluruh
bagian source code baik milik code acuan
maupun pada code pembanding. Hanya
terdapat perbedaan pemberian beberapa
nama variabel saja seperti “String spasi =
null” pada G_Tugas1.java dan “String enter
= null” pada J_Tugas1.java. Kemiripan
ditandai dengan baris code yang diberi
warna hijau. Berdasarkan jenis type
plagiarisme maka pada sampel ini dapat
dikategorikan dalam jenis Type II.
Gambar 11. Sampel 1
b. G_Tugas1.java dengan E_Tugas1.java
Pada sampel kedua, sistem mendeteksi
terjadi kemiripan source code di hampir
seluruh bagian tubuh source code baik
milik source code acuan maupun pada
source code pembanding. Kedua source
code mempunyai struktur dan beberapa
nama variabel yang sama. Hanya terdapat
perbedaan pemberian komentar untuk
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
6
TINF-016
ISSN : 2407 - 1846
menyamarkan pada awal code milik code
pembanding yaitu:
/**
* @param args the command line
arguments
*/
dari sebuah tugas code milik seorang mahasiwa
yang dijadikan sebagai code acuan dengan
tugas code pembanding milik teman mahasiswa
yang dijadikan code acuan dalam bentuk grafik.
Berdasarkan jenis type plagiarisme maka
pada sampel ini dapat dikategorikan dalam
jenis Type I.
Gambar 14. Persentase Kemiripan Antar Code
Gambar 12. Sampel 2
c. G_Tugas1.java dengan B_Tugas1.java
Pada sampel ketiga, kemiripan code
hanya terjadi di sebagian tubuh source
code. Source code acuan dan source code
pembanding sama-sama memiliki method
yang sama, baik nama variabel maupun
nama method itu sendiri. Kemiripan
disamarkan dengan penghilangan spasi atau
tab-character pada method yang dimaksud
milik source code acuan oleh source code
pembanding. Berdasarkan jenis type
plagiarisme maka pada sampel ini dapat
dikategorikan dalam jenis Type III.
Gambar 13. Sampel 3
2. Presentase Kemiripan
Semakin besar persentase kemiripan antar
code tersebut, maka akan semakin besar pula
indikasi bahwa diantara kedua tugas yang
dibandingkan merupakan code hasil tindakan
plagiat. Berikut ini adalah hasil pemeriksaan
VI. Kesimpulan
Pada paper ini, AST digunakan sebagai
representase lain dari sebuah code untuk
memeriksa kemiripan antar code yang
menggunakan bahasa pemrograman Java.
Pendeteksian kemiripan (similarity) code
menggunakan metode AST dapat digunakan
sebagai acuan mendeteksi tindakan plagiat.
Semakin besar tingkat kemiripan code maka
dapat menjadi salah satu acuan apakah code
tersebut merupakan tindakan plagiat.
Algoritma Levensthein Distance dan
Smith-Waterman pada dasarnya menggunakan
pendekatan yang sama, tetapi Smith Waterman
lebih baik karena: Algoritma Smith Waterman
lebih
leluasa
karena
Smith-Waterman
memeriksa seluruh sel kolom dan baris pada
matriks sampai akhir sehingga dapat ditentukan
best score dari sebuah local aligment, bukan
hanya sekedar menghitung nilai akhir kolom
dan baris matriks.
Dalam proyek selanjutnya, JSC_SD
sebaiknya meningkatkan performa dengan cara:
(1) Penyediaan grammar bahasa pemrograman
yang lebih baik serta grammar yang lebih
beragam
dari
beberapa
jenis
bahasa
pemrograman. (2) Peningkatan performa
indication suspect dengan cara “concatenation
project” dimana proses ini akan meningkatkan
kecepatan load processing dengan cara
memfokuskan pada bagian terkecil dari
potongan
file
source
code
sebelum
memfokuskan pada bagian potongan code yang
lebih besar dari source code didalam sebuah
single pipeline. [8]
V. Daftar Pustaka
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
7
TINF-016
ISSN : 2407 - 1846
[1]
Pengertian
Source
code.
http://id.wikipedia.org/wiki/Kode_sumber.
(diakses 1 September 2014)
[2]
Imroatullayyin
Makhfiyana,
Moh.
Mudzakkir,
Rasionalitas Plagiarisme Di
Kalangan Mahasiswa Fakultas Ilmu Sosial
Unesa,
(http://ejournal.unesa.ac.id/index.php/paradigm
a/article/view/3998). (Diakses 1 September
2014)
[3] Liliana, Gregorious Satia Budhi, Anthony
Wibisono,
Ricky
Tanojo.
Pengecekan
Plagiarisme Pada Code Dalam Bahasa C++
2012: (70-71)
[4] Li ping Zhang, Dong Sheng Liu. IEEE
Journal: AST-based Multi-language Plagiarism
Detection Method, Journal AST-based Multilanguage Plagiarism Detection Method, Inner
Mongolia Normal University, College of
Computer and Information Engineering, Inner
Mongolia, Hohhot, China, 2013 (738-741)
[5] Terrence Parr. Pragmatic The Definitive
ANTLR Reference May 2012.
[6] Zhan Su, Byung Ryul Ahn. Plagiarism
Detection Using the Levenshtein Distance and
Smith-Waterman Algorithm, Department of
Artificial
Intelligence,
University
of
Sungkyunkwan Cheoncheon dong, Jangan-gu,
Suwon, Korea 2008
[7] Benjamin Biegel, Stephan Diehl. Highly
Configurable and Extensible Code Clone
Detection. 17th Working Conference on Reverse
Engineering, WCRE 2010.
[8] Al-Fahim Mubarak Ali, Shahida Sulaiman,
Sharifah
Mashita
Syed-Mohamad.
An
Enhanced Generic Pipeline Model for Code
Clone Detection. Journal School of Computer
Science, Universiti Sains Malaysia, 2012
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
8
ISSN : 2407 - 1846
DETEKSI SIMILARITY SOURCE CODE MENGGUNAKAN
METODE DETEKSI ABSTRACT SYNTAX TREE
Eka Budhy Prasetya
Ahmad Fadly Dzil Jalal
Eka.budhy@ymail.com
fadlycute31@gmail.com
Universitas Muhammadiyah Jakarta
Universitas Muhammadiyah Jakarta
ABSTRAK
Laboratorium Fakultas Teknik Infomatika Universitas Muhammadiyah Jakarta (FT–Informatika
UMJ) sebagai tempat pembelajaran bagi para mahasiswa informatika yang mengikuti kelas
pemrograman selalu memberikan tugas-tugas sebagai salah satu media pengukur tingkat
pemahaman mahasiswa. Banyaknya tugas source code menggunakan bahasa Java yang harus
diperiksa oleh Assisten Laboratorium mengakibatkan sulitnya melakukan pemeriksaan apabila
dilakukan satu per satu serta sulitnya mengukur kredibilitas masing-masing tugas milik mahasiswa.
Tugas-tugas terperiksa yang memiliki tingkat similarity (kemiripan) yang cukup tinggi antar code
dapat dijadikan acuan adanya tindakan-tindakan kecuranganseperti melakukan tindakan plagiat
code terhadap tugas mahasiswa lain. Metode deteksi kemiripan code menggunakan Abstract Syntax
Tree dapat digunakan untuk merubah code menjadi node ataupun token unik masing-masing code
terperiksa. Semakin besar kemiripan maka semakin besar kemungkinan code tersebut merupakan
hasil plagiat. Aplikasi Java’s Source Code Similarity Detector (JSC-SD) yang diusulkan akan
mendeteksi kemiripan code melalui beberapa proses, yaitu proses parsing code menjadi AST yang
kemudian akan diukur kemiripan tingkat kemiripannya menggunakan algoritma Levenstehin
Distance dan Smith-Waterman dan pada proses terakhir adalah pendeteksian code clone dari source
code terperiksa. Hasil akhir yang didapat adalah grafik persentase kemiripan antar code serta line
code yang dicurigai similar.
Kata kunci : Laboratorium FT–Informatika UMJ, Similarity, Abstract Syntax Tree, Levensthein
Distance, Smith-Waterman
I. Pendahuluan
Dalam ilmu komputer, source code adalah
kumpulan pernyataan atau deklarasi bahasa
pemrogramman komputer yang ditulis dan
dapat di baca manusia. Source code
memungkinkan
programmer
untuk
berkomunikasi dengan komputer menggunakan
beberapa perintah yang telah terdefinisi. Source
code merupakan sebuah program yang biasanya
dibuat dalam satu atau lebih file teks, kadangkadang disimpan dalam database yang disimpan
sebagai prosedur dan dapat juga muncul sebagai
potongan kode yang tercetak di buku atau
media lainnya. Banyaknya koleksi file source
code dapat diatur dalam direktori pohon, dalam
hal ini juga dikenal sebagai source tree.[1]
Plagiarisme merupakan tindakan penipuan
hasil karya orang lain tanpa sepengetahuan dari
penulis aslinya, yang melanggar suatu Hak
Cipta dan Hak Moral. Ketertarikan mahasiswa
terhadap tindakan plagiarisme, dibangun oleh
rasionalitas instrumental. Mahasiswa lebih
memperhitungkan tentang efisiensi, efektifitas
dan nilai yang dimiliki oleh sumber dayanya
(tugas akademik) untuk mencapai tujuan yang
diharapkan.
Ketika
aktor
(mahasiswa)
menentukan tujuan, aktor akan dihadapkan pada
sebuah pilihan cara alternatif yaitu cara SKS
(Sistem Kebut Semalam) dan SKJ (Sekali Kerja
Jadi). Pilihan tersebut akan memunculkan suatu
bentuk tindakan plagiarisme dan konsekuensi
dari tindakan plagiarisme. [2]
Masalah similarity (kemiripan) source
code dapat menjadi salah satu solusi pendekatan
deteksi tindakan plagiarisme. Adanya indikasi
similarity harus di cermati secara seksama
karena perlu penafsiran dan pembahasan khusus
untuk memberikan keputusan seberapa besar
tingkat kemiripan suatu source code dengan
source code lainnya. Besarnya tingkat
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
1
TINF-016
kemiripan tersebut dapat digunakan sebagai
salah satu dasar untuk mempertimbangkan
suatu source code melakukan tindakan
plagiarisme atau tidak.Banyak jenis similarity
pada source code yang sering dijumpai pada
tugas-tugas pemrograman yang diberikan
kepada mahasiswa oleh para pengajar. Deteksi
similarity bisa dilihat dari penggantian nama
source code, memindahkan posisi beberapa
potongan code serta mengganti nama variabel
maupun class, method ataupun fungsinya.
Code Plagiarism adalah istilah yang
digunakan untuk mendeskripsikan adanya
kemiripan isi source code antar 2 code yang
berbeda. Similarity source code dapat terjadi
secara keseluruhan code maupun sebagian, serta
dengan sedikit perubahan pada bagian yang
tidak signifikan. Terdapat 3 tipe kemiripan
textual yang terjadi pada dua buah source
code.[3]
1. Type 1
Fragmen yang di-copy dari file original
secara sama persis, kecuali adanya
perbedaan– perbedaan seperti whitespaces
(spasi atau enter yang tidak mempunyai arti),
comment, dan modifikasi pada jumlah baris.
Tipe ini disebut juga sebagai exact clone.
2. Type II
Type ini sama seperti Type I, perbedaannya
adalah pada Type II, terdapat modifikasi
pada variable atau fungsi. Modifikasi dapat
berupa penggantian nama atau perubahan
tipe data.
3. Type III
Type III merupakan kombinasi dari Type I
dan Type II. Plagiarisme file dilakukan
dengan cara menambahkan statement yang
tidak penting.
II. Penelitian Deteksi Similarity Source Code
yang Berhubungan
Li Ping Zhang dan Dong Sheng Liu di
Inner Mongolia Normal University, College of
Computer and Information Engineering, Inner
Mongolia,
Hohhot,
China[4]mengusulkan
metode deteksi plagiat dalam tiga tahap yaitu
code formalization, similarity calculation dan
cluster anlysis. Penjelasan Tahap menurut
keduanya adalah sebagai berikut.
1. Code Formalization
Code yang akan diperiksa akan dirubah
menjadi sebuah tree menggunakan ANTLR
(Another Tool for Language Recognition).
ANTLR ditulis menggunakan JAVA yang
digunakan untuk meng-generate parser dan
lexer dari sebuah grammar yang digunakan
untuk
membaca,
memproses,
dan
ISSN : 2407 - 1846
mengeksekusi atau menerjemahkan teks
terstruktur atau file binary menjadi sebuah
AST.
2. Similarity Calculation
Pengukuran kemiripan code didasarkan
pada AST dari source code kemudian nodenode yang tercipta dibuat menjadi sebuah
sequence yang akan dihitung tingkat
plagiatnya menggunakan deteksi kemiripan
berdasarkan matching sequence
3. Cluster Analysis
Setelah similarity calculation , dapat
ditentukan corresponding antara sequence
di dalam tabel sequence melalui nomor
baris dan vektor khas untuk tahap cluster
analysis. Tahap cluster analysis akan
menggunakan VSM (Vector Space Model).
III.
Sistem yang diajukan
Berdasarkan
dari
karaktertistik
pembelajaran yang ada di Laboratorium
Fakultas Teknik Informatika Universitas
Muhammadiyah Jakarta yang terdiri dari
beberapa jenis regulasi kelas yaitu reguler pagi,
reguler sore dan perkuliahan karyawan, JSC-SD
harus mampu mendeteksi kemiripan-kemiripan
code pada bahasa pemrograman Java yang
diajarkan pada beberapa mata kuliah seperti
Pemrograman Berbasis Objek dan Struktur
Bahasa Pemrograman pada masing masing jenis
regulasi.
JSC-SDmengadopsi sistem yang sudah
diajukan oleh Li Ping Zhang dan Dong Sheng
Liu yang diterapkan ke dalam satu aplikasi
berbasis desktop. JSC_SD adalah sebuah sistem
yang akan menemukan kemiripan codeserta
menghitung besar kemiripan antar code yang
dilakukan dalam tiga proses utama, yaitu:
Gambar 1. Main Flow JSC-SD
1. Code Formalization
Sesuaidengannamanya,ASTmerupakanstru
kturdataintermediate
didalamprosedur
kompilasi
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
2
TINF-016
danprosesinterpretasiyangdimanasyntaxtree
tidaksajamerefleksikaninformasi
terstrukturtetapijugaberisiatribut-atribut
darisourceprogram.
Dengancaraini,
akan
diperolehinformasikomperhensif
yanglebihakuratuntukmendeteksikemiripancode
yangada.
Adabanyak
carauntukmemperolehataumenggenerateASTyang
ada.Salah
satucara
adalahmenggunakanANTLRmethod.[5]
Proses untuk memperolehASTolehANTLR
dapat
dibagi
dalamdua
subprosesutama.Pertama,ketikaparsefilesedang
membaca,ANTLRakan
meng-generate
corresponding lexical dan syntax analyzer
berdasarkan rule- rule yang ada pada analisis
grammar file. Proses kedua adalah kode-kode
input di konversi menjadi phrase flow dengan
menggunakan lexical analyzer yang degenerate
oleh ANTLR sehingga input dari parser adalah
phrase flow yang akan dirubah menjadi AST
melalui proses parsing oleh parser.
Keuntungan menggnunakan AST sebagai
metode pendekatan perbandigan code adalah
pada proses ini akan menghilangkan noise pada
source code. Noise adalah jenis karakter yang
tidak mempengaruhi code, karena jenis karakter
ini tidak akan dieksekusi oleh compiler seperti
comment dan whitespace. Gambar II akan
memperlihatkan bagaimana membuat sebuah
Abstract Syntac tree dari sebuah deklarasi code.
2. Similarity Measure
Hasil prosesparsingdari parserANTLR
berupanode atau tokenunikyang membentuk
suaturangkaiansequenceyangbermaknasecara
strukutral.Tokenmerupakanhasil
pengkategoriandari setiapkataataukarakter yang
terdapatpadasourcecode dimana setiap token
terdefinisi dengan ID khas hasil generate lexer
dan parser oleh ANTLR. Contoh dapat dilihat
pada Gambar I dibawah ini
ISSN : 2407 - 1846
Gambar 1 Node pada code
Gambar 2. Contoh Tree Code Gambar II
TokenLaw
PUBLIC
CLASS
IDENT
STATIC
VOID
LPAREN
LBRACK
RBRACK
RPAREN
LCURLY
STRING_LITERA
L
SEMI
INT
I
D
87
61
16
490
10
1
29
22
41
43
23
17
044
79
Toke
ns
public
class
tugas,main,args,nama
static
void
‘(’,
‘[’
‘]’
‘)’
‘{‘,
Fadly
‘;’
Int
Gambar 3. ID Unik Dari Node / Token
Dari proses code formalization dapat
ditentukan sebuah sequence unik hasil
representasi code tersebut. Pada Gambar 2,
sequence yang terbentuk adalah:
87611642387901011642916422411644323164
16461704479164616711164616744791646164
38164441641516415164291643817038164434
44242.
Besar
kemiripan
dapat
dihitung
berdasarkan sequence yang terbentuk dari
rangkaian
sequence
pada
gambar
3
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
3
TINF-016
menggunakan dua algoritma matching sequence
biological
computance
yaitu
algoritma
Levensthein Distance dan algoritma Smith[6]
Waterman
.
Kedua
algoritma
ini
menggunakan cara yang sama yaitu membuat
sebuah matriks yang terbuat dari dua string
sequence dimana masing-masing menjadi
koordinat vertikal dan horizontal yang
kemudian
akan
melakukan
perulangan
perbandingan antar karakter koordinat vertikal
dan horizontal untuk mengisi kolom pertemuan
vertikal dan horizontal. Berikut ini penjelasan
masing-masing pendekatan algoritma.
a) Levensthein Distance
Untuk menggunakan algoritma ini terdapat
dua tahap utama, yaitu
Sequence Matching
Untuk dua sequence yang diberikan
dimana A = A1, A2, A3 , .., An dan B = B1,
B2,B3 , .., Bn , Levensthein distance bekerja
sesuai
dengan
prinsip
dynamic
programming maka akan dibuat sebuah
matriks
X[panjangA][panjangB].
Perhitungan matriks dilakukan dengan
ketentuan sebagai berikut.
1) Inisialisasi matriks X[i][0] = i dan
X[0][j] = 0.
2) Proses identifikasi melalui rekursif
kondisi
X[i][j] = minimum{d[i-1, j] +1, d[i, j1] +1, d[i-1, j-1] +cost) }
Berikut ini adalah pseude code dari
algoritma Levensthein Distance.
int LevenshteinDistance (char s[1…m], char
t[1…n])
// d is a table with m+1 rows and n+1
columns
declare int d[0…m, 0…n]
for i from 0 to m
d[i, 0] := i
for j from 0 to n
d[0, j] := j
for i from 1 to m
for j from 1 to n
if s[i] = t[j] then cost := 0
else cost := 1
d[I, j] := minimum(
d[i-1, j] +1, // deletion
d[i, j-1] +1, //insertion
d[i-1,j-1]
+cost
//substitution)
return d[m, n]
Gambar 4. Pseudo Code Levensthein
Similarity Calculation
ISSN : 2407 - 1846
Rumus
umum
menghitung
besar
kemiripan code berdasarkan algoritam
Levensthein distance adalah sebagai
berikut:
Gambar 5. Rumus Umum Levensthein
Keterangan:
= Tingkat kemiripan antara
Sim(m,
string m dan string n
n)
= Nilai Levensthein Distance
Dis
(nilai akhir perbandingan string
m dan string n yang ada pada
pojok kanan bawah matriks)
MaxLeng = JumlahKarakterMaksimumDua
String
th
b) Smith Waterman
Algoritma Smith-Waterman menggunakan
pendekatan berbasis local aligment yang
berarti posisi ordo matriks yang dijadikan
acuan bersifat bebas atau bisa berada pada
ordo matriks dimana saja. Terdapat dua
tahap utama yaitu:
Sequence Matching
Untuk dua sequence yang diberikan
dimana A = A1, A2, A3 , .., An dan B = B1,
B2,B3 , .., Bn , Levensthein distance bekerja
sesuai
dengan
prinsip
dynamic
programming maka akan dibuat sebuah
matriks
X[panjangA][panjangB].
Perhitungan matriks dilakukan dengan
ketentuan sebagai berikut.
1) Inisialisasi matriks X[i][0] = X[0][j]
=0
2) Proses identifikasi melalui rekursif
kondisi :
X[i][j] = max{0, X[i-1][j-1] + Nilai
Match/MisMatch, X[i-1][j]– Nilai
GAP, X[i][j-1] + nilai GAP}
Berikut ini adalah pseudo code dari
algoritma Smith-Waterman.
//gap = o + (l-1)*e;
//o: gap opening penalty (o < 0)
//l: length of the gap
//e: gap extension penalty (o < e < 0)
for(i=LengthA; j=LengthB; i>0 && j>0){
if (i != 0 && j != 0) {
if (one.charAt(i) == two.charAt(j)) {
matrix[i][j]
=
Math.max(0,
Math.max(matrix[i - 1][j - 1] + match,
Math.max(matrix[i
1][j]
+
gap,matrix[i][j - 1] + gap)));
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
4
TINF-016
ISSN : 2407 - 1846
}
else {
l++;
matrix[i][j]=Math.max(0,Math.max(m
atrix[i-1][j-1]+
gap,
Math.max(matrix[i - 1][j] + gap,
matrix[i][j - 1] + gap)));
}
}
}
}
}
Gambar 6. Pseudo Code Levensthein
Similarity Calculation
Rumus
umum
menghitung
besar
kemiripan code berdasarkan algoritma
Smith-Waterman adalah sebagai berikut.
Gambar 7. Rumus Umum Levensthein
Keterangan:
Sim (m,n)
MaxLength
(m,n)
m.length
n.length
= Tingkat kemiripan antara
string m dan string n
= Jumlah karakter yang sama
antara string m dan string
n
= Panjang string m
= Panjang string n
dapat
menjadi
sebuah
annotate
(keterangan), remove (menghapus), dan
collapse (menyempitkan) serta sebagai
grouping node-node AST.
b) Pooling
Tahap pooling merupakan langkah dalam
preselection
dari
kandidat-kandidat
potongan code yang dicurigai similar (code
clone). Source unit yang belum diproses
akan di satukan ke dalam sebuah group
kedalam set-set yang berbeda yang
dinamakan pool berdasarkan masingmasing kriteria yang sudah ditentukan.
c) Comparing
Semua pool yang terbentuk dapat diproses
secara
sequential
dengan
cara
membandingkan seluruh isi source unit
secara berulang. Setiap comparatorcomparator menentukan apakah dua subtree
memenuhi
karakteristik-karakteristik
tertentu. Dua subtree dikatakan similarity
pair hanya jika semua kombinasi
comparator- comparator bernilai true.
d) Filtering
Langkah terakhir adalah menghapus nonrelevant
similarity
pair’s
sehingga
didapatkan sebagai satu set hasil yang
sudah dapat disimpulkan. Hasil similiairty
pairs yang terindikasi inilah yang disebut
dengan code clone.
Pada Gambar 8 adalah sebuah model
generic pipeline secara keseluruhan dalam
melakukan proses indication suspect.
3. Indication Suspect
Dalam proses pencarian kemiripan code
tidak cukup hanya menghitung dari segi tokentoken uniknya saja, karena apabila terjadi
pemindahan beberapa posisi potongan code,
maka rangkaian ID token yang unik tadi juga
ikut berubah. Hal ini memungkinkan code yang
sama tetapi hanya memindahkan potongan code
untuk menyamarkan
terdeteksi dengan baik. Proses ini akan
menemukan letak kemiripan antar code yang
memerlukan beberapa subproses.
Aplikasi JSC-SD mengadaptasi API yang
dikembangkan oleh Biegl dan Diehl[7]bernama
JCCD untuk memnemukan line code yang
terduga adalah code clone. JCCD membentuk
sebuah model pipeline yang terdiri dari proses
berikut.
a) Preprocessing
Tujuan utama dari preprocessing ini dibagi
menjadi dua, yaitu menormalisasikan
source code dan menambahkan annotation
tambahan. Sebuah preprocessor yang dibuat
Gambar 8. Pipeline Indication Suspect
IV. JSC-SD Prototype – Sistem akan
melibatkan dua tipe user yaitu: Assisten Lab
dan Mahasiswa. Sistem akan dirancang dengan
sifat-sifat sebagai berikut:
1. Tugas yang diperiksa oleh model sistem
dapat per jenis regulasi kelas maupun
keseluruhan regulasi kelas,
2. Source code yang akan diperiksa cukup
diletakkan pada satu direktori pada local
drive komputer / laptop pengguna,
3. Assisten sebagai user utama dapat memilih
secara bebas satu file tugas mahasiswa
sebagai acuan yang akan dibandingkan
dengan file mahasiswa lain
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
5
TINF-016
ISSN : 2407 - 1846
4. Assisten dapat menambahkan beberapa filefile pembanding dari beberapa direktori
berisi file-file java.
Berikut adalah use case hasil representase
sifat-sifat
prototype
yang
dirumuskan
sebelumnya.
Gambar 10. Input Dataset Sampel
Gambar 9. Use case JSC-SD
V. Implementasi
JSC –SD telah diuji coba untuk memeriksa
beberapa sampel code yang diambil dari tugas
mata kuliah praktikum penunjang PBO di kelas
Perkuliahan Karyawan Semester Genap 2014.
Materi tugas yang diberikan oleh Assisten Lab
adalah sebagai berikut.
“Buatlah sebuah program yang dapat
menerima input dari keyboard berupa barisan
bilangan dimana barisan bilangan tersebut
mampu terdefinisikan derajat digit-nya.
Sebagai contoh, jika terdapat bilangan
1234567, maka program Anda harus dapat
mendefinisikan bahwa:
“1 adalah bilangan jutaan,
2 adalah bilangan ratusan-ribuan,
3 adalah bilangan puluh-ribuan,
4 adalah bilangan ribuan,
5 adalah bilangan ratusan,
6 adalah bilangan puluhan,
7 adalah bilangan satuan. ”
Sebanyak 13 mahasiswa mengumpulkan
tugas yang dimaksud yang kemudian akan
dijadikan sebagai dataset sampel.
Berikut
proses peng-inputannya tugas tersebut ke dalam
JSC-SD.
JSC-SD memiliki dua tipe output utama yaitu:
1. Highlight Code Clone
Pada tahap ini akan diambil beberapa
sampel yang akan diperiksa kemiripankemiripan code yang berhasil terdeteksi. Hasil
pengujian adalah kemiripan code antara satu
code acuan dengan 3 code pembanding yang
diambil secara random.
a. G_Tugas1.java dengan K_Tugas1.java
Pada sampel pertama, sistem mendeteksi
terjadi kemiripan source code di seluruh
bagian source code baik milik code acuan
maupun pada code pembanding. Hanya
terdapat perbedaan pemberian beberapa
nama variabel saja seperti “String spasi =
null” pada G_Tugas1.java dan “String enter
= null” pada J_Tugas1.java. Kemiripan
ditandai dengan baris code yang diberi
warna hijau. Berdasarkan jenis type
plagiarisme maka pada sampel ini dapat
dikategorikan dalam jenis Type II.
Gambar 11. Sampel 1
b. G_Tugas1.java dengan E_Tugas1.java
Pada sampel kedua, sistem mendeteksi
terjadi kemiripan source code di hampir
seluruh bagian tubuh source code baik
milik source code acuan maupun pada
source code pembanding. Kedua source
code mempunyai struktur dan beberapa
nama variabel yang sama. Hanya terdapat
perbedaan pemberian komentar untuk
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
6
TINF-016
ISSN : 2407 - 1846
menyamarkan pada awal code milik code
pembanding yaitu:
/**
* @param args the command line
arguments
*/
dari sebuah tugas code milik seorang mahasiwa
yang dijadikan sebagai code acuan dengan
tugas code pembanding milik teman mahasiswa
yang dijadikan code acuan dalam bentuk grafik.
Berdasarkan jenis type plagiarisme maka
pada sampel ini dapat dikategorikan dalam
jenis Type I.
Gambar 14. Persentase Kemiripan Antar Code
Gambar 12. Sampel 2
c. G_Tugas1.java dengan B_Tugas1.java
Pada sampel ketiga, kemiripan code
hanya terjadi di sebagian tubuh source
code. Source code acuan dan source code
pembanding sama-sama memiliki method
yang sama, baik nama variabel maupun
nama method itu sendiri. Kemiripan
disamarkan dengan penghilangan spasi atau
tab-character pada method yang dimaksud
milik source code acuan oleh source code
pembanding. Berdasarkan jenis type
plagiarisme maka pada sampel ini dapat
dikategorikan dalam jenis Type III.
Gambar 13. Sampel 3
2. Presentase Kemiripan
Semakin besar persentase kemiripan antar
code tersebut, maka akan semakin besar pula
indikasi bahwa diantara kedua tugas yang
dibandingkan merupakan code hasil tindakan
plagiat. Berikut ini adalah hasil pemeriksaan
VI. Kesimpulan
Pada paper ini, AST digunakan sebagai
representase lain dari sebuah code untuk
memeriksa kemiripan antar code yang
menggunakan bahasa pemrograman Java.
Pendeteksian kemiripan (similarity) code
menggunakan metode AST dapat digunakan
sebagai acuan mendeteksi tindakan plagiat.
Semakin besar tingkat kemiripan code maka
dapat menjadi salah satu acuan apakah code
tersebut merupakan tindakan plagiat.
Algoritma Levensthein Distance dan
Smith-Waterman pada dasarnya menggunakan
pendekatan yang sama, tetapi Smith Waterman
lebih baik karena: Algoritma Smith Waterman
lebih
leluasa
karena
Smith-Waterman
memeriksa seluruh sel kolom dan baris pada
matriks sampai akhir sehingga dapat ditentukan
best score dari sebuah local aligment, bukan
hanya sekedar menghitung nilai akhir kolom
dan baris matriks.
Dalam proyek selanjutnya, JSC_SD
sebaiknya meningkatkan performa dengan cara:
(1) Penyediaan grammar bahasa pemrograman
yang lebih baik serta grammar yang lebih
beragam
dari
beberapa
jenis
bahasa
pemrograman. (2) Peningkatan performa
indication suspect dengan cara “concatenation
project” dimana proses ini akan meningkatkan
kecepatan load processing dengan cara
memfokuskan pada bagian terkecil dari
potongan
file
source
code
sebelum
memfokuskan pada bagian potongan code yang
lebih besar dari source code didalam sebuah
single pipeline. [8]
V. Daftar Pustaka
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
7
TINF-016
ISSN : 2407 - 1846
[1]
Pengertian
Source
code.
http://id.wikipedia.org/wiki/Kode_sumber.
(diakses 1 September 2014)
[2]
Imroatullayyin
Makhfiyana,
Moh.
Mudzakkir,
Rasionalitas Plagiarisme Di
Kalangan Mahasiswa Fakultas Ilmu Sosial
Unesa,
(http://ejournal.unesa.ac.id/index.php/paradigm
a/article/view/3998). (Diakses 1 September
2014)
[3] Liliana, Gregorious Satia Budhi, Anthony
Wibisono,
Ricky
Tanojo.
Pengecekan
Plagiarisme Pada Code Dalam Bahasa C++
2012: (70-71)
[4] Li ping Zhang, Dong Sheng Liu. IEEE
Journal: AST-based Multi-language Plagiarism
Detection Method, Journal AST-based Multilanguage Plagiarism Detection Method, Inner
Mongolia Normal University, College of
Computer and Information Engineering, Inner
Mongolia, Hohhot, China, 2013 (738-741)
[5] Terrence Parr. Pragmatic The Definitive
ANTLR Reference May 2012.
[6] Zhan Su, Byung Ryul Ahn. Plagiarism
Detection Using the Levenshtein Distance and
Smith-Waterman Algorithm, Department of
Artificial
Intelligence,
University
of
Sungkyunkwan Cheoncheon dong, Jangan-gu,
Suwon, Korea 2008
[7] Benjamin Biegel, Stephan Diehl. Highly
Configurable and Extensible Code Clone
Detection. 17th Working Conference on Reverse
Engineering, WCRE 2010.
[8] Al-Fahim Mubarak Ali, Shahida Sulaiman,
Sharifah
Mashita
Syed-Mohamad.
An
Enhanced Generic Pipeline Model for Code
Clone Detection. Journal School of Computer
Science, Universiti Sains Malaysia, 2012
Seminar Nasional Sains dan Teknologi 2014
Fakultas Teknik Universitas Muhammadiyah Jakarta , 12 November 2014
8